Sector empresarial usa IA, pero sin resultados claros; expertos advierten que la adopción superficial limita ingresos y valor en análisis de datos
Las empresas están utilizando inteligencia artificial (IA) con mayor frecuencia, pero sin traducir ese uso en resultados concretos de negocio. Esta brecha entre adopción y valor económico comienza a reflejarse en ingresos no capturados, en una época donde el análisis de datos avanzados debería impulsar decisiones estratégicas.
Un análisis reciente de Harvard Business Review (2026) señala que muchas organizaciones dicen usar de forma generalizada IA, pero los resultados se traducen como decepcionantes. El problema no radica en la disponibilidad tecnológica, sino en la incapacidad de integrarla de forma profunda en procesos operativos y decisiones empresariales. Según el reporte, la adopción superficial limita el impacto real en productividad y crecimiento.
Desde la experiencia en campo, esta situación no sorprende. En entrevista con NotiPress, Fernando Leibowich Beker, CEO y cofundador de Lidd AI, explicó que gran parte de las empresas aún utiliza estas herramientas de forma básica. Indicó que los equipos suelen recurrir a soluciones como ChatGPT para tareas simples, como redactar correos, sin explotar su potencial en análisis de datos o identificación de patrones. En lo profundo, la falta de estrategia y resistencia interna frenan la adopción de IA en empresas.
La diferencia entre usar IA y generar valor con IA se vuelve crítica en este punto. Mientras la tecnología permite optimizar procesos, descubrir tendencias y mejorar decisiones, muchas organizaciones permanecen en una etapa inicial. Este desfase no solo representa una oportunidad perdida, también implica una desventaja competitiva frente a quienes sí logran escalar su uso.
Detrás de esta brecha hay factores estructurales. Leibowich Beker señaló que en mercados como el mexicano existe una tendencia a replicar modelos probados en otros países, lo que reduce la innovación local y retrasa la adopción de nuevas prácticas. Esta dinámica limita la exploración de casos de uso avanzados, especialmente en análisis de datos, donde la inteligencia artificial puede ofrecer ventajas significativas.
Al mismo tiempo, asumir que el problema es únicamente técnico sería incorrecto. La adopción efectiva de IA requiere cambios organizacionales, alineación interna y comprensión del valor estratégico de los datos. Sin estos elementos, la tecnología queda confinada a usos aislados, sin impacto transversal en la empresa. Pablo Croci, cofundador de la firma de origen argentino TKR y especialista en la metodología de gestión OKR (Objectives and Key Results), explicó en una fugaz visita a México que ni la inteligencia artificial resuelve el principal problema de los equipos (o los procesos en este caso)
El contraste es evidente. Mientras algunas compañías utilizan IA para automatizar tareas básicas, otras comienzan a integrarla en procesos críticos como predicción de demanda, optimización de inventarios o personalización de ofertas. La diferencia entre ambos escenarios no es la herramienta, sino la capacidad de implementación.
Por su parte, Fernando Paulin, director general de Unico México explicó en entrevista con NotiPress que la falta de análisis avanzado de datos no solo limita la generación de ingresos, también expone a pérdidas directas. En una charla con esta agencia de noticias, señaló que el impacto del uso insuficiente de herramientas analíticas ya se refleja en el sistema financiero. Indicó que aproximadamente el 5% de los créditos otorgados corresponde a fraudes derivados del robo de identidad, lo que representa un costo significativo para las instituciones . Este escenario muestra que la ausencia de capacidades avanzadas de detección y análisis no solo implica oportunidades desaprovechadas, también incrementa los riesgos operativos en un entorno donde los ataques automatizados continúan en aumento.
Harvard Business Review advierte que este fenómeno podría intensificarse si las empresas no evolucionan hacia modelos más estructurados de adopción. La presión por demostrar retorno de inversión (ROI) en proyectos de IA crece, lo que obliga a las organizaciones a pasar de experimentos aislados a estrategias integrales basadas en datos.
En este entorno, el análisis avanzado de datos se posiciona en el centro de la toma de decisiones. La minería de datos, potenciada por inteligencia artificial, permite identificar patrones, anticipar comportamientos y generar nuevas oportunidades de negocio. Sin embargo, cuando estas capacidades no se aprovechan, el costo no siempre es visible de inmediato, pero se refleja en decisiones menos eficientes y oportunidades desaprovechadas.
De cara a las publicaciones científicas académicas en materia de inteligencia articial, un estudio de 2025 del Centro México Digital muestra un impulso en investigación digital en algunos estados. Ciudad de México, Querétaro, Nuevo León y Guanajuato lideran la producción académica. De acuerdo con el análisis, en estos estados las solicitudes de invención per capita (patentes, modelos de utilidad y diseños industriales) es de 66 solicitudes por millón de habitantes, contrastando con 26 como promedio nacional.
Así, el desafío actual va más allá de implementar IA, la clave está en aprender a usarla con profundidad. La distancia entre ambas etapas define qué empresas logran capturar valor y cuáles permanecen en una adopción superficial. En un mercado cada vez más competitivo, esa diferencia puede traducirse directamente en ingresos perdidos.